Descrizione del progetto

Obiettivo: sviluppo e validazione di un framework predittivo per la stima continua delle perdite idriche in reti di distribuzione, finalizzato al monitoraggio e alla manutenzione proattiva delle infrastrutture.

Dataset: utilizzo del dataset BattLeDIM 2020 su rete simulata “L-Town”; serie temporali multivariate (domanda, flussi, livelli, pressioni) campionate ogni 5 minuti.

Metodologia: progettazione di architetture LSTM per regressione temporale, ottimizzazione automatica degli iperparametri tramite Island-CPSO, variante distribuita del Continuous Particle Swarm Optimization con paradigma a isole e migrazione asincrona.

Implementazione: pipeline sperimentale per training e validazione, gestione finestre temporali, normalizzazione con StandardScaler, parallelizzazione su architetture multi-core.

Risultati: buona capacità di generalizzazione del modello, riduzione dei tempi di tuning grazie a Island-CPSO e miglioramento delle metriche di regressione rispetto ai baseline.

Competenze sviluppate: modellazione sequenziale (LSTM), ottimizzazione evolutiva distribuita, analisi dataset idrici, sperimentazione e visualizzazione dei risultati.